In seinem Vortrag „Gelernte Abstraktion: Wissensbasiertes Konzeptlernen in Cyber-Physischen Systemen“ erläuterte Bunte die wie durch die Kombination eines Clustering-Algorithmus und einer Wissensbasis die sub-symbolischen Ergebnisse des Clusterings auf die symbolische Ebene transformiert werden können. Sub-symbolische Ergebnisse sind nur durch Kontextinformationen interpretierbar, während symbolische allgemeinverständlich sind, wie z. B. der Zustand „Fehler“. Die Transformation übernimmt ein neu entwickelter Algorithmus, der jedem Datenpunkt dynamisch ein symbolisches Konzept aus der Wissensbasis zuweist. Dabei betonte Bunte die Relevanz der Forschungsarbeit: „Nur auf der symbolischen Ebene ist eine generische Kommunikation möglich. Deshalb sind solche Ansätze für verteilte und adaptive System interessant.“
Cyber-physische Systeme (CPS) zeichnen sich durch Anpassungs- und Lernfähigkeit aus: Sie analysieren ihre Umgebung und lernen auf Basis ihrer Beobachtungen Muster, Zusammenhänge und prognosefähige Modelle. Typische Anwendungen für solche Systeme sind Condition Monitoring, Predictive Maintenance, Bildverarbeitung und Diagnose. Als Schlüsseltechnologie für die Entwicklung von CPS gilt das maschinelle Lernen. Die Tagung ML4CPS, die vom 25. bis 26. Oktober 2017 im CENTRUM INDUSTRIAL IT (CIIT) und in der SmartFactoryOWL stattfand, wurde organisiert vom Fraunhofer-Anwendungszentrum IOSB-INA.
Weitere Informationen: www.ml4cps.com